
💍 WeVisForensics-4B: открытый ИИ-агент распознаёт сгенерированные видео с точностью 95.2% Исследователи WeChat Vision и Nanjing University представили ИИ-агента WeVisForensics, который распознаёт сгенерированные видео и подкрепляет вердикт выводами с привязкой к таймингу. Агент построен на Qwen3.5-4B с 4 млрд параметров, поэтому для локального запуска хватает одной видеокарты с 24 ГБ. При этом он набирает в среднем 95.2% на четырёх бенчмарках, на 9 пунктов больше прошлого лидера VideoVeritas. Для сравнения, Gemini-3.1-Pro на GenBuster-Bench++ находит 99% подделок, но заодно бракует настоящие видео, поэтому её точность всего 54.3% Внутри WeVisForensics работает небольшая команда. Главный агент бегло просматривает до 16 кадров ролика и решает, кого из шести экспертов позвать: по внешнему виду, физике, здравому смыслу, тексту в кадре, голосу или речи. Он же выбирает, какой отрезок им показать и когда данных хватает для вердикта. Эксперты отвечают с привязкой к таймингу, поэтому вердикт можно проверить по кадрам: неестественно гладкое лицо, слипшиеся объекты, кривой текст, или мужской голос у женщины в кадре. В отличие от прошлых агентных детекторов, дообучается не только главный агент, но и визуальные эксперты. Агента обновляют на каждом батче, а экспертов раз в 20 шагов (метод DTPO), иначе они мешают друг другу учиться. Сильнее всех вырос эксперт по физике: на GenBuster-Bench его F1 поднялся с 66.5% до 97.8%. Результаты. На GenBuster-Bench, близком к обучающим данным, WeVisForensics набирает 97.7% против 94.3% у VideoVeritas. На бенчмарках с генераторами, которых не было в обучении, отрыв больше: 97.5% против 91.4% на GenBuster-Bench++ и 88.0% против 82.2% на MintVid. На новом бенчмарке AgenticCue агент получает 97-98.8% в каждой из пяти категорий артефактов, а у VideoVeritas на звуке только 69.3%. Сама Qwen3.5-4B без дообучения в среднем набирает 74.3%. Слабее агент на незнакомых коммерческих генераторах: на роликах Sora 2 из MintVid он ловит только 64.6% подделок. Большие универсальные модели справляются неровно. У Qwen3.5-397B точность на AgenticCue 94.5% в категории здравого смысла и 54.1% в категории звука. Gemini-3.1-Pro находит 99% подделок на GenBuster-Bench++, но бракует и настоящие видео, поэтому её точность там всего 54.3%. Код инференса, демо и LoRA-адаптеры открыты под лицензией Apache 2.0 и лежат на GitHub и Hugging Face. Датасет ForenCue-30K и код обучения не опубликованы, бенчмарк AgenticCue обещают выложить позже. #Stateoftheart

